Bilfragtfirmaet Didi har en ny afsendelsesalgoritme, der tilpasser sig efterspørgslen efter ryttere

Kategori: Kunstig intelligens Udsendt 12. dec

Didi, Kinas Uber-ækvivalent, har testet en ny algoritme for at tildele chauffører til ryttere i udvalgte byer.

Forsendelsessystemet bruger forstærkningslæring (RL), en undergruppe af maskinlæring, der er afhængig af bøder og belønninger for at få agenter til at nå et klart mål. I dette tilfælde er agenterne chaufførerne, og belønningen er deres betalinger for at gennemføre en tur.

Virksomhedens nuværende afsendelsesalgoritme har to dele: et prognosesystem, der forudsiger, hvordan rytterbehovet ændrer sig over tid, og et matchningssystem, der tildeler chauffører job på grundlag af disse forudsigelser.

Det har tjent virksomheden godt indtil videre, men det kan være ineffektivt. Hvis mønstrene for førerudbud og rytterefterspørgsel ændrer sig, skal prognosemodellen omskoles for at fortsætte med at lave præcise forudsigelser.

At flytte til en RL-tilgang løser dette problem ved at kollapse begge dele til én: Med hvert efterfølgende stykke data lærer algoritmen at sende drivere mere effektivt. Det gør det muligt at fortsætte med at udvikle sig med skiftende udbud og efterspørgsel, uden at det er nødvendigt at genoptræne. A/B-tests mellem de gamle og nye algoritmer i en håndfuld byer har bekræftet, at den nye faktisk er mere effektiv.

Didi planlægger nu en gradvis udrulning af det nye afsendelsessystem til byer i Kina, selvom der ikke er fastsat en nøjagtig tidslinje. Tony Qin, AI-forskningsleder for virksomhedens amerikanske afdeling, fortalte MIT Technology Review, at virksomheden kan fortsætte med at udføre A/B-tests mellem dets forskellige algoritmer for forskellige lokationer og bruge den, der giver de mest effektive resultater.

RL-algoritmen er måske ikke altid den bedste, sagde Qin. Det afhænger i høj grad af byens udbuds- og efterspørgselsmønstre. I mellemtiden udvikler virksomheden også en anden RL-afsendelsesalgoritme, med forskellige agenter og belønninger, for at tilføje til sit arsenal.

En forkortet version af dette dukkede oprindeligt op i vores AI-nyhedsbrev The Algorithm. For at få det leveret direkte til din indbakke, abonner her gratis.